买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江国测量子技术研究有限公司申请的专利基于特征融合与量子约束学习的原子钟老化预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120493755B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510671420.0，技术领域涉及：G06F30/27；该发明授权基于特征融合与量子约束学习的原子钟老化预测方法是由姚琦;唐玮;黄芳芳设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本基于特征融合与量子约束学习的原子钟老化预测方法在说明书摘要公布了：本申请涉及精密计时仪器测试技术领域，尤其涉及基于特征融合与量子约束学习的原子钟老化预测方法。本申请提供的基于多模态特征融合与量子约束学习的原子钟老化预测方法，采用多模态张量融合手段，同时采集时域微波探针信号、空域原子云密度分布及频域拉姆齐条纹信号进行特征提取，提升特征的完备性；在非线性建模时，采用Bloch方程约束确保网络模型符合量子物理规律。本方法可以通过人工智能的手段提升原子钟老化特征表达效果并有效避免单纯依赖训练数据而存在的过拟合的缺点，使原子钟老化预测模型更符合物理规律，从提升原子钟老化预测精度、优化预测模型复杂度。

本发明授权基于特征融合与量子约束学习的原子钟老化预测方法在权利要求书中公布了：1.基于多模态特征融合与量子约束学习的原子钟老化预测方法，其特征在于，包括步骤： 同步采集时域微波探针信号、空域原子云密度分布及频域拉姆齐条纹信号；构建时空频三维张量输入矩阵X∈R^T×S×N，其中T为时间步长，S为空间网格点，N为频率通道数； 采用3D卷积神经网络提取所述三维张量的深层特征，输出特征图F∈R^k×d，k为时间片段数，d为特征维度； 构建双通道GRU网络，主通道输入特征F，输出预测频率偏移量Δω；辅助通道嵌入Bloch方程约束，计算哈密顿量H与波函数ψ的微分约束项；定义混合损失函数： 其中，LMSE是均方误差项，是Bloch方程约束项，H为系统的哈密顿量，描述原子钟内部能级结构和外界场的作用，为约化普朗克常数；α和β为权重参数，用于平衡两项损失的贡献，若βα，模型会更严格地遵守物理规律，但降低对数据的拟合能力，反之则更依赖数据而偏离物理约束； 建立环境应力传递函数：dωdt＝K·∫[fTt·gPt·hEt]dt+λ∫ω_histt-τdτ，其中K为应力耦合系数，λ为历史老化记忆因子，fTt为温度应力函数，gPt为压力应力函数，hEt为电磁场应力函数； 部署轻量化模型于原子钟边缘计算单元，实时输出老化预测值；设置动态校准阈值，当预测老化率超过动态校准阈值时，触发主动补偿信号至伺服系统。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江国测量子技术研究有限公司，其通讯地址为：313099 浙江省湖州市龙溪街道创业大道1969号西凤漾智能中心3号楼101室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。